基于電信運營商視角的智算中心規(guī)劃建設(shè)關(guān)鍵要點分析及建議

DOI：10.19850/j.cnki.2096-4706.2024.01.005

收稿日期：2023-08-14

摘? 要：以大模型為代表的人工智能快速發(fā)展，為信息通信行業(yè)帶來新的機遇和挑戰(zhàn)。電信運營商作為數(shù)字信息基礎(chǔ)設(shè)施建設(shè)的主力軍，也迎來智算發(fā)展的新機遇。文章詳細分析了智算中心的相關(guān)概念、主要作用和發(fā)展趨勢，并在智算中心整體技術(shù)架構(gòu)基礎(chǔ)上提出了規(guī)劃建設(shè)中需要重點考慮算力規(guī)模、算力能耗和智算網(wǎng)絡(luò)三方面關(guān)鍵要素并進行分析，最后提出相關(guān)建議。

關(guān)鍵詞：人工智能；數(shù)據(jù)中心；智算中心；算力

中圖分類號：TP18? 文獻標識碼：A? 文章編號：2096-4706（2024）01-0022-06

Analysis and Suggestions of Key Points for Planning and Construction of Artificial Intelligence Computing Center Based on Telecom Operators' Perspectives

YIN Kaikai

（Beijing Branch of China Telecom Co.， Ltd.， Beijing? 100032， China）

Abstract： The rapid development of Artificial Intelligence represented by big models has brought new opportunities and challenges to the information and communication industry. Telecom operators， as the main force in the construction of digital information infrastructure， also usher in new opportunities for the development of AI computing power. This paper analyzes in detail the relevant concepts， main roles and development trends of AI computing center， and puts forward and analyzes three key elements that need to be considered in the planning and construction of AI computing center， namely， the scale of computing power， computing power energy consumption， and AI computing network， on the basis of the overall technical architecture of AI computing center， and finally puts forward relevant recommendations.

Keywords： AI; data center; AI computing center; computing power

0? 引? 言

2022年11月30日美國OpenAI人工智能公司發(fā)布全新對話式AI模型ChatGPT，引發(fā)大模型和人工智能熱潮。根據(jù)2023年5月發(fā)布的《中國人工智能大模型地圖研究報告》顯示中國10億參數(shù)規(guī)模以上的大模型已發(fā)布79個。推動以大模型為基礎(chǔ)的生成式AI快速發(fā)展的三要素是數(shù)據(jù)、算力和算法，其中算力是承載人工智能應(yīng)用發(fā)展的基礎(chǔ)。智能算力中心（或稱智能數(shù)據(jù)中心（AIDC）、人工智能計算中心，簡稱智算中心）又是融合計算、存儲和網(wǎng)絡(luò)能力，承載算力資源，對外提供高性能算力服務(wù)的關(guān)鍵新型基礎(chǔ)設(shè)施。

電信運營商作為數(shù)字信息基礎(chǔ)設(shè)施建設(shè)的主力軍，也迎來智算發(fā)展的新機遇。本文詳細分析了智算中心的相關(guān)概念、主要作用和發(fā)展趨勢，并提出了布局建設(shè)中需要重點考慮算力規(guī)模、算力能耗和智算網(wǎng)絡(luò)三方面關(guān)鍵要素并進行分析，最后提出相關(guān)建議。

1? 研究背景

1.1? 智能算力和智算中心概念界定

算力，通俗理解即計算能力。中國電信李正茂等學(xué)者認為算力包含通用算力、智能算力、超算算力及前沿算力（如量子計算、光子計算）[1]。中國信通院將算力分為通用算力、智能算力、超算算力和邊緣算力[2]。通用算力以CPU芯片輸出的計算能力為主，超算算力主要是以超級計算機輸出的計算能力為主。智能算力則以GPU、FPGA和AI芯片等輸出的人工智能計算能力為主，具備渲染、推理和模擬能力，可面向智能駕駛、人臉識別、大模型等人工智能應(yīng)用提供智算服務(wù)的一種算力服務(wù)形態(tài)[3]。

智能算力以智算中心為承載體。智算中心是基于最新人工智能理論，采用領(lǐng)先的人工智能計算架構(gòu)，提供人工智能應(yīng)用所需算力服務(wù)、數(shù)據(jù)服務(wù)和算法服務(wù)的公共算力新型基礎(chǔ)設(shè)施[4]。

1.2? 智算中心主要作用及服務(wù)內(nèi)容

智算中心作為新型人工智能算力基礎(chǔ)設(shè)施，作用主要體現(xiàn)推進AI產(chǎn)業(yè)化、賦能產(chǎn)業(yè)AI化、助力治理智能化和提升產(chǎn)業(yè)集群化四個方面[4]。同時能帶來顯著成效和經(jīng)濟價值，經(jīng)研究測算“十四五”期間，對智算中心的投資可帶動人工智能核心產(chǎn)業(yè)增長約2.9～3.4倍，帶動相關(guān)產(chǎn)業(yè)增長約36～42倍[4]。

隨著人工智能產(chǎn)業(yè)不斷發(fā)展，智算中心服務(wù)對象和內(nèi)容日益多元化，其主要服務(wù)提供方式分為：數(shù)據(jù)服務(wù)、算力服務(wù)、算法服務(wù)和生態(tài)服務(wù)。

圖1描述了智算中心數(shù)據(jù)、算力和算法的服務(wù)過程，其中：1）表示客戶購買智算中心算力服務(wù)進行訓(xùn)練，訓(xùn)練完成后在自有數(shù)據(jù)中心部署推理服務(wù)的過程。2）表示客戶購買智算中心數(shù)據(jù)服務(wù)，生成訓(xùn)練用的算據(jù)。3）表示客戶購買智算中心的算法服務(wù)進行訓(xùn)練。4）表示客戶購買智算中心的推理算力，對最終用戶提供推理服務(wù)。

1.3? 智算中心與其他數(shù)據(jù)中心的區(qū)別

智算中心從概念上可簡化理解為以數(shù)據(jù)中心為基礎(chǔ)的人工智能的基礎(chǔ)設(shè)施[5]，與數(shù)據(jù)中心和超算中心既有相似之處又有典型區(qū)別，具體如表1所示。

2? 智算中心發(fā)展現(xiàn)狀與趨勢

2.1? 智算算力發(fā)展情況

當前全球算力規(guī)模呈現(xiàn)快速增長趨勢，各國均在推動CPU、GPU等異構(gòu)算力發(fā)展。隨著人工智能應(yīng)用加快向縱深發(fā)展，智能算力的需求和規(guī)模勢必將在未來幾年迎來爆發(fā)式增長。數(shù)據(jù)顯示預(yù)計2021—2026年期間中國智能算力規(guī)模年復(fù)合增長率達52.3%，2026年中國智能算力規(guī)模將達到1 271.4EFLOPS（FP16）[7]。

2.2? 智算中心政策支持情況

我國高度重視人工智能產(chǎn)業(yè)發(fā)展和算力基礎(chǔ)設(shè)施建設(shè)，從中央、國家到部分經(jīng)濟發(fā)達城市，近幾年密集出臺了一系列支持政策，內(nèi)容涉及人工智能基礎(chǔ)設(shè)施、標準體系、應(yīng)用場景等多個方面，初步形成較為完整的政策體系，為加快推動算力基礎(chǔ)設(shè)施規(guī)劃建設(shè)指明方向。表2梳理了近期出臺的部分與智算中心發(fā)展相關(guān)政策。

2.3? 我國智算中心建設(shè)情況

從2020年開始，各地方政府、企業(yè)掀起智算中心建設(shè)熱潮。據(jù)國家信息中心與相關(guān)部門聯(lián)合發(fā)布的《智能計算中心創(chuàng)新發(fā)展指南》顯示，目前全國有超過30個城市正在建設(shè)或提出建設(shè)智算中心。根據(jù)投資建設(shè)主體劃分，目前主要分為三類，分別為政府主導(dǎo)、互聯(lián)網(wǎng)公司/云商主導(dǎo)、電信運營商主導(dǎo)。

電信運營商作為新型云、網(wǎng)、算力等信息基礎(chǔ)設(shè)施服務(wù)運營者，自身擁有優(yōu)質(zhì)網(wǎng)絡(luò)、算力和云服務(wù)能力和產(chǎn)業(yè)鏈優(yōu)勢[8]。目前運營商在持續(xù)推進算力資源建設(shè)，優(yōu)化算力網(wǎng)絡(luò)布局，加快建設(shè)企業(yè)級智算中心，大力發(fā)展智能算力，提升算力規(guī)模。根據(jù)相關(guān)數(shù)據(jù)中國移動預(yù)計2023年算力投入分別為452億元，同比增長35%；中國電信預(yù)計2023年算力投入分別為195億元，同比增長40%。

2.4? 智算中心發(fā)展趨勢

智算中心作為人工智能時代承載算力的關(guān)鍵基礎(chǔ)設(shè)施，在政策、市場的雙重驅(qū)動下，應(yīng)用前景及賦能潛力逐步凸顯。當下，智算中心的發(fā)展呈現(xiàn)出以下發(fā)展趨勢，即算力多元化、產(chǎn)業(yè)協(xié)同化、服務(wù)一體化、能耗低碳化、價格普惠化、部署超前化、技術(shù)可信化。以此為基礎(chǔ)，智算中心在打造新型算力基礎(chǔ)設(shè)施基礎(chǔ)上，正逐步向搭建集公共算力服務(wù)、數(shù)據(jù)開放共享、智能生態(tài)建設(shè)和產(chǎn)業(yè)創(chuàng)新聚集四大功能于一體的綜合平臺方向轉(zhuǎn)變，有助于匯聚行業(yè)和產(chǎn)業(yè)力量，營造智能算力良好發(fā)展生態(tài)。

3? 智算中心規(guī)劃建設(shè)關(guān)鍵要點分析

3.1? 智算中心整體技術(shù)架構(gòu)

智算中心整體技術(shù)架構(gòu)如圖2所示，主要包括4層，支撐保障層、基礎(chǔ)設(shè)施層、智能作業(yè)層和應(yīng)用服務(wù)層。支撐保障層主要包括標準規(guī)劃、運維管理、安全保障、容災(zāi)備份等體系?；A(chǔ)設(shè)施層主要包括機房環(huán)境、網(wǎng)絡(luò)環(huán)境、存儲設(shè)備、以GPU芯片和服務(wù)器為代表的計算設(shè)備等，可實現(xiàn)將異構(gòu)算力、數(shù)據(jù)、存儲、算力網(wǎng)絡(luò)等轉(zhuǎn)化為有效的算力與服務(wù)資源。智能作業(yè)層基于基礎(chǔ)設(shè)施層提供的算力，利用人工智能算法和智能算力調(diào)度進行通用或者行業(yè)大模型的訓(xùn)練和推理。應(yīng)用服務(wù)層，基于多類綜合平臺能力提供數(shù)據(jù)、算力和算法服務(wù)。

圖2? 智算中心技術(shù)架構(gòu)

3.2? 智算中心規(guī)劃建設(shè)關(guān)鍵要點

智算中心規(guī)劃建設(shè)工作是一項系統(tǒng)工程，需要綜合考慮計算、存儲、網(wǎng)絡(luò)、平臺、基礎(chǔ)設(shè)施、設(shè)備等多種因素。同時既需要滿足國家、行業(yè)有關(guān)數(shù)據(jù)中心的標準規(guī)范，也要滿足智能算力發(fā)展需求。根據(jù)行業(yè)實踐經(jīng)驗，本文重點分析影響智算中心規(guī)劃建設(shè)的算力能力、算力能耗和智算網(wǎng)絡(luò)三方面因素。

3.2.1? 算力能力分析

智算業(yè)務(wù)往海量參數(shù)的大模型方向發(fā)展已經(jīng)成為一個主流技術(shù)演進路徑。如圖3所示，現(xiàn)在自然語言處理和多模態(tài)大模型參數(shù)已經(jīng)達到了千億級別，而且還在增加。AI大模型在上線前需要在智算中心完成預(yù)訓(xùn)練和微調(diào)，大模型參數(shù)增加給智算中心算力能力和規(guī)模提出了更高要求。

大模型訓(xùn)練和推理所需算力不同。訓(xùn)練過程需要部署高性能GPU服務(wù)器搭建多機多卡訓(xùn)練集群，GPU卡間高速互聯(lián)，滿足大模型訓(xùn)練等高算力需求。推理過程對算力的要求不高，數(shù)據(jù)中心或者邊緣DC部署的GPU服務(wù)器即可滿足要求。為評估承載大模型的智算中心算力規(guī)模，需測算大模型完成訓(xùn)練需要多少算力，本文以參數(shù)量1750億的GPT-3為例測算。2021年Narayanan D等學(xué)者發(fā)表論文，給出GPT-3模型算力需求的計算方法并得出GPT-3一次迭代的計算量為4.5 EFLOPS，完成全部訓(xùn)練計算量為430 ZFLOPS[9]。以上只是理論上數(shù)據(jù)。

以NVIDIA A100芯片的FP16計算能力按照50%計算效率計算，可得出表4關(guān)系。即可理解為如有1萬張A100 GPU完成GPT-3模型訓(xùn)練，需要3.19天；如有1張A100完成訓(xùn)練，約需要87年。由此可見大模型訓(xùn)練需要智算中心提供巨大算力支持。

大模型訓(xùn)練是計算密集型處理，需要高性能AI集群提供算力支持，智算中心內(nèi)的AI芯片、AI服務(wù)器和AI集群是算力來源和生產(chǎn)單元。AI集群一般采用模塊化方式構(gòu)建，可以實現(xiàn)大規(guī)模的算力擴展，AI集群的基本單元是AI服務(wù)器。數(shù)十臺AI服務(wù)器可以組成單個POD計算模組，POD內(nèi)部通過多塊支持RDMA技術(shù)的高速網(wǎng)卡連接。在此基礎(chǔ)上以POD計算模組為單位實現(xiàn)橫向擴展，規(guī)?？啥噙_數(shù)千節(jié)點以上，從而實現(xiàn)更高性能的AI集群。AI集群的構(gòu)建還需依賴三方面因素發(fā)揮作用，分別是低延遲、高帶寬的網(wǎng)絡(luò)互連；高性能、高擴展、多層級的智能存儲；多機多卡、超大規(guī)模集群以及異構(gòu)算力的納管、加速、統(tǒng)一調(diào)度的智算平臺。

3.2.2? 算力能耗分析

智算中心屬于高密、高算力的信息基礎(chǔ)設(shè)施，算力業(yè)務(wù)需求持續(xù)推升服務(wù)器和芯片性能和功率，導(dǎo)致整個智算中心呈現(xiàn)高能耗、高成本特點。智算中心能耗主要取決于大模型訓(xùn)練和推理階段的算力消耗。本文嘗試估算智算中心能耗情況。

能耗估算的結(jié)論。英偉達服務(wù)器DGX A100 單臺最大額定功率6.5 kW，含8卡GPU，智算中心PUE按照1.2測算。以GPT-3大模型的訓(xùn)練階段為例，1萬張A100卡，1次訓(xùn)練所需時長為3.19天，共需消耗74.6萬度電（單日23.29萬度）。

通過上述測算可知，智算中心能耗需求約746 MW，遠高于現(xiàn)有單棟數(shù)據(jù)中心的能耗（單棟功耗100 MW），對大型/超大型智算中心的選址、建設(shè)和運營影響較大。在“雙碳”宏觀形勢下，政府部門對數(shù)據(jù)中心PUE（電能利用效率）監(jiān)管要求不斷提高，比如明確要求國家算力東、西部樞紐節(jié)點數(shù)據(jù)中心PUE分別控制在1.25和1.2以下。在此背景下，液冷技術(shù)逐步成為一種新型制冷解決方案。液冷技術(shù)通過冷卻液體替代傳統(tǒng)空氣散熱，液體與服務(wù)器高效熱交換，提高效率，降低PUE。數(shù)據(jù)中心近年已開始普遍使用液冷方案。其大致可以分為兩種技術(shù)路徑：冷板式（Cold Plate）與浸沒式（Immersion），前者是通過冷板將發(fā)熱器件的熱量間接傳遞給封閉在循環(huán)管路中的冷卻液體，后者則直接將發(fā)熱器件以及電路板整體直接置于液體中。相比較而言冷板式液冷應(yīng)用更為成熟和廣泛。

3.2.3? 算力網(wǎng)絡(luò)分析

高質(zhì)量算力網(wǎng)絡(luò)是智算中心提供算力服務(wù)的基礎(chǔ)要素，也是影響客戶感知的重要因素。智算中心的典型業(yè)務(wù)流程對南北向的流量要求極?。ǖ皖l上傳數(shù)據(jù)場景除外），網(wǎng)絡(luò)應(yīng)該重點關(guān)注智算中心內(nèi)高速無損網(wǎng)絡(luò)。

智算中心內(nèi)網(wǎng)絡(luò)。為滿足大規(guī)模訓(xùn)練集群高效的分布式計算，大模型訓(xùn)練流程中通常會包含數(shù)據(jù)并行、流水線并行及張量并行等多種并行計算模式，不同并行模式下均需要多個計算設(shè)備間進行集合通信操作[10]。另外，訓(xùn)練過程中通常采用同步模式，需多機多卡間完成集合通信操作后才可進行訓(xùn)練的下一輪迭代或計算，因此智算網(wǎng)絡(luò)需要滿足高帶寬、低時延、零丟包、超高穩(wěn)定性和網(wǎng)絡(luò)自動化部署等要求。目前業(yè)界一般采用InfiniBand或RoCE組網(wǎng)，提供超低時延無損算力網(wǎng)絡(luò)，確保集群內(nèi)訓(xùn)練POD間及計算、存儲的高速互聯(lián)。兩種組網(wǎng)方式對比如表6所示。

南北向網(wǎng)絡(luò)。一般表現(xiàn)為突發(fā)性大帶寬（低頻）和多線接入，可以在數(shù)據(jù)中心內(nèi)部預(yù)留多線接入間，滿足客戶遠端操作，傳輸、下載訓(xùn)練數(shù)據(jù)等需求。

智算中心間網(wǎng)絡(luò)如圖4所示。智算集群對網(wǎng)絡(luò)時延需求為微秒級，因此均為單節(jié)點運行，智算中心間對雙活、低時延和大帶寬等高質(zhì)量網(wǎng)絡(luò)無特別需求。在后續(xù)區(qū)域算力交易、算力調(diào)度等業(yè)務(wù)，保證智算中心間網(wǎng)絡(luò)可達即可。

4? 運營商布局建設(shè)智算中心建議

以大模型和智算中心為代表的智算基礎(chǔ)設(shè)施是電信運營商立足大模型時代乃至智能時代的根本。電信運營商在現(xiàn)有的連接和算力資源基礎(chǔ)上，建設(shè)智算基礎(chǔ)設(shè)施，滿足未來大模型訓(xùn)練和推理需求，打造繼云業(yè)務(wù)之后的第二增長曲線尤為重要，因此加快布局建設(shè)智算中心布局是大勢所趨。電信運營商建設(shè)智算中心定位與對內(nèi)自用和對外提供服務(wù)使用，從布局及選址評估角度，應(yīng)綜合考慮大模型應(yīng)用場景、能耗及建設(shè)成本、網(wǎng)絡(luò)資源等影響因素，實現(xiàn)智算中心效率及成本最優(yōu)。

從布局選址方面，優(yōu)先在“東數(shù)西算”八大樞紐節(jié)點，尤其是國家西部、北區(qū)樞紐節(jié)點布局集中化、大規(guī)模、低成本大型智算中心，至少具備上千PFLOPS算力規(guī)模。其次是聚焦北京、上海、廣州、深圳、成都等大模型產(chǎn)業(yè)活躍城市，積極聯(lián)合地方政府、上下游合作伙伴，優(yōu)先采用合作建設(shè)、合作運營、部分自建等方式，加快智能算力中心布局建設(shè)，具備至少幾百到幾千PFLOPS算力規(guī)模。

從建設(shè)運營方面，面對智算中心的高密度、高能耗、高成本，傳統(tǒng)機房條件、制冷方式很難滿足，應(yīng)加快液冷等節(jié)能新技術(shù)應(yīng)用落地，提升智算中心能效。同時大型訓(xùn)練資源池需要部署高性能服務(wù)器，應(yīng)考慮大規(guī)模高功率機架需求和機房空間合理利用原則，提前進行機柜改造。目前典型配置英偉達8卡A100服務(wù)器額定功耗達到6.5 kW，采用H800芯片服務(wù)器的全風(fēng)冷機柜功率達到10 kW，采用H800芯片服務(wù)器的全液冷機構(gòu)功率已到40 kW。因此參考業(yè)界典型智算一體化交付方案，原則單機柜功率應(yīng)達到10～40 kW才能滿足需要，并提前進行高功率機柜和液冷機柜改造。

從訓(xùn)練和推理算力部署方面，首先是訓(xùn)練算力池，建議電信運營商集團層面應(yīng)統(tǒng)籌考慮智算中心的建設(shè)布局，在低成本園區(qū)統(tǒng)一建設(shè)幾個算力規(guī)模幾千P的大型公共訓(xùn)練池，滿足為超級客戶提供大規(guī)模低成本智算訓(xùn)練或自用大模型訓(xùn)練需求。省公司層面，尤其是經(jīng)濟熱點一線城市需積極布局算力中心，規(guī)?？傮w達到幾百到幾千P。更重要的是關(guān)注行業(yè)客戶的業(yè)務(wù)需求，按需布局建設(shè)和擴容。其次是推理算力池，可在現(xiàn)有的云資源池中增加GPU算力池，具體部署位置可以按省份規(guī)劃。

從投資回報方面，當前由于需求激增，英偉達和部分國產(chǎn)GPU、服務(wù)器的交付周期普遍較長，同時溢價較高。在綜合考慮整體投資回報率以及業(yè)務(wù)發(fā)展的可持續(xù)性，充分評估項目戰(zhàn)略意義，按照“規(guī)劃+訂單”雙驅(qū)動方式適度超前建設(shè)智算中心。

5? 結(jié)? 論

以大模型為代表的人工智能快速發(fā)展，為信息與通信行業(yè)帶來新的機遇和挑戰(zhàn)。一方面，電信運營商企業(yè)作為建設(shè)網(wǎng)絡(luò)強國和新型數(shù)字信息基礎(chǔ)設(shè)施的主力軍應(yīng)該積極擁抱機遇，適度超前進行算力基礎(chǔ)設(shè)施建設(shè)，形成布局合理，梯次分步的智算資源格局。同時積極開展智算技術(shù)研究，創(chuàng)新數(shù)據(jù)中心發(fā)展模式，加快向智算中心演進升級。另一方面，智算中心“規(guī)、建、營、維、服”是一項系統(tǒng)工程，需要與眾多產(chǎn)業(yè)鏈合作伙伴一起，推動智算中心相關(guān)的標準、技術(shù)、規(guī)范等成熟與落地，引導(dǎo)產(chǎn)業(yè)良性發(fā)展，從而在新一輪的人工智能技術(shù)革命浪潮中把握先機。

參考文獻：

[1] 李正茂，王桂榮.論算力時代的三定律 [J].電信科學(xué)，2022，38（6）：13-17.

[2] 中國算力大會.中國算力白皮書（2022） [R/OL].（2022-08-17）.https：//www.odcc.org.cn/news/p-1559872438149832705.html.

[3] 郭亮.數(shù)據(jù)中心發(fā)展綜述 [J].信息通信技術(shù)與政策，2023，49（5）：2-8.

[4] 丁宜.國家信息中心聯(lián)合浪潮信息發(fā)布《智能計算中心創(chuàng)新發(fā)展指南》 [N].機電商報. 2023-02-13.

[5] 楊明川，劉倩，趙繼壯.人工智能數(shù)據(jù)中心研究 [J].信息通信技術(shù)與政策，2021，47（4）：1-7.

[6] 張嗣宏，張健.以ChatGPT為代表的生成式AI對通信行業(yè)的影響和應(yīng)對思考 [J].電信科學(xué)，2023，39（5）：67-75.

[7] 浪潮信息.2022-2023中國人工智能計算力發(fā)展評估報告 [R/OL].[2023-01-24]. https：//www.inspur.com/lcjtww/resource/cms/article/2448319/2734787/2022122601.pdf.

[8] 劉亮，張琛，楊學(xué)燕.生成式人工智能技術(shù)對通信行業(yè)的影響研究 [J].郵電設(shè)計技術(shù)，2023（7）：1-7.

[9] NARAYANAN D，SHOEYBI M，CASPER J，et al. Efficient Large-Scale Language Model Training on GPU Clusters [J/OL].arXiv：2104.04473 [cs.CL].（2021-04-09）.DOI：10.48550/arXiv.2104.04473.

[10] 中國移動通信研究院.面向AI大模型的智算中心網(wǎng)絡(luò)演進白皮書 [R/OL].（2023-05-28）.https：//www.douban.com/note/849553536/？_i=38359589EIJstn.

作者簡介：殷凱凱（1986.11—），男，漢族，山東東營人，工程師，碩士研究生，研究方向：數(shù)據(jù)中心、智算中心等算力基礎(chǔ)設(shè)施規(guī)劃、建設(shè)、運營管理。